近年来，软计算技术成为计算技术的研究热点之一，其中模糊系统技术和神经网络技术的发展尤为迅速。神经网络和模糊系统技术在应用中也取得了较大的成功。神经网络和模糊系统技术被广泛地应用于自动控制、ATM流量的分析和控制、金融系统的分析与预测和模式识别等领域。 神经网络和模糊系统在很多方面具有相同的性质，如对函数的逼近特性，神经网络和模糊系统的等价性，处理无模型问题的能力等等。神经网络和模糊系统的结合为软计算的发展提供了新的研究领域。前向神经网络和模糊系统的结合主要有三个方面：模糊算子神经网络、模糊信息神经网络和神经模糊系统。 模糊算子神经网络是对神经网络的一种模糊化，主要用模糊算子来代替神经算子中的算术算子。模糊信息神经网络以处理模糊信息为主要目的。其输入和输出均为模糊集。其运算是基于水平截集的、以扩张原理为基础的运算过程。神经模糊系统为以神经网络为工具实现模糊系统的方法。后两者结合了神经网络和模糊系统的优点，弥补了神经网络和模糊系统的缺点，从而使神经模糊系统和模糊信息神经网络既有模糊系统的规则解释、专家知识的利用的优点，也有神经网络的学习能力。神经模糊系统与模糊信息神经网络相比较，具有运算和学习算法简单的优点。 神经模糊系统对先验知识的利用方式主要有专家知识和模糊系统辩识等途径。专家知识的获得比较困难，而且其质量也很难保证。为此，人们更多地利用模糊系统辩识的方法来使神经模糊系统利用先验知识一神经模糊系统的初始化。 本文首先对模糊系统辩识做了深入地研究，在此基础上提出了神经模糊系统两阶段结构辩识算法。并提出了自由划分神经模糊系统和神经模糊系统的调整学习。最后论述了金融预测的问题并提出了一些解决方法。本文主要有以下成果。 1 深入地研究了模糊系统辩识的性质及其相互关系。证明了由二叉树法产生的模糊系统，当其后件为输出空间上由K-均值聚类的最优聚类的中心点时，模糊系统为具有相同规则数、并由二叉树法得到的所有模糊系统中最优的。最后给出了由模糊c-均值聚类所产生的模糊系统优于具有相同规则数的、由k-均值聚类所产生的模糊系统的充分条件。 2 根据神经模糊系统的特点给出神经模糊系统的两阶段辩识算法。两阶段辩识算法在神经模糊系统辩识阶段优化神经模糊系统的结构。第一阶段优化神经模糊系统的规则数。第二个阶段优化神经模糊系统每条规则的前件划分。实验结果表明两阶段法能得到的较好的神经模糊系统模型。